CN116840253A - 板材检测方法及相关装置 - Google Patents
板材检测方法及相关装置 Download PDFInfo
- Publication number
- CN116840253A CN116840253A CN202310587398.2A CN202310587398A CN116840253A CN 116840253 A CN116840253 A CN 116840253A CN 202310587398 A CN202310587398 A CN 202310587398A CN 116840253 A CN116840253 A CN 116840253A
- Authority
- CN
- China
- Prior art keywords
- plate
- information
- detection
- component
- characteristic information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000007405 data analysis Methods 0.000 claims abstract description 32
- 238000007599 discharging Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 63
- 239000000463 material Substances 0.000 claims description 57
- 238000006073 displacement reaction Methods 0.000 claims description 26
- 238000013136 deep learning model Methods 0.000 claims description 21
- 238000007689 inspection Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 10
- 230000001502 supplementing effect Effects 0.000 claims description 10
- 239000013072 incoming material Substances 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 55
- 238000004519 manufacturing process Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 239000000047 product Substances 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 239000002023 wood Substances 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 235000004443 Ricinus communis Nutrition 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 241000274582 Pycnanthus angolensis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 239000011087 paperboard Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011120 plywood Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提供了板材检测方法及相关装置，所述方法包括：当待检测的板材到达预设来料位置时，利用数据采集组件对所述板材进行数据采集，以获取板材特征信息；当所述板材到达预设出料位置时，利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息；基于所述板材检测信息，获取板材等级结果。实现对不同规格的板材的表面缺陷、厚度缺陷、翘曲缺陷同时进行检测，降低人力劳动的强度，检测速度快、准确率高，提高生产效率，节省生产成本。
Description
技术领域
本申请涉及板材检测领域，尤其涉及板材检测方法、电子设备、板材检测系统及计算机可读存储介质。
背景技术
现今对工业产品的质量要求越来越高，产品除性能达到质量标准外，还需良好的产品外观，即要求产品的不存在或存在较少的表面缺陷，所以生产过程中要求对产品的尺寸、表面缺陷等要素均进行检测，有效地控制产品质量。例如在木材生产中，原木旋切或刨切成毛板后可能存在板材厚度、翘曲程度以及板材表面的缺陷。板材的厚度、翘曲程度难以通过肉眼示察法进行检测，板材表面缺陷情况复杂，包括虫眼、孔洞、夹皮、散尾、树皮、腐朽、霉变、毛刺等问题，当板材面积较大时，肉眼示察法检测效率低下，而且人眼容易因疲劳产生漏检等情形。
基于此，本申请提供板材检测方法及相关装置，以解决上述问题。
发明内容
本申请的目的在于提供板材检测方法及相关装置，实现对不同规格的板材的表面缺陷、厚度缺陷、翘曲缺陷同时进行检测，降低人力劳动的强度，提高检测速度和准确率，节省生产成本。
本申请的目的采用以下技术方案实现：
第一方面，本申请提供了板材检测方法，所述方法包括：
当待检测的板材到达预设来料位置时，利用数据采集组件对所述板材进行数据采集，以获取板材特征信息；
当所述板材到达预设出料位置时，利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息；
基于所述板材检测信息，获取板材等级结果。
该技术方案的有益效果在于：在待检测的板材到达预设来料位置时对板材进行数据采集，以保证采集得到待检测板材的完整的板材特征信息；当板材到达预设出料位置时处理采集得到的板材特征信息得到板材检测信息，以保证得到的板材检测信息与受检测板材唯一、正确对应；将板材检测信息转化为板材等级结果，便于对板材的品质等级进行直接分类；板材检测过程利用数据采集组件、数据分析组件对板材特征信息进行采集和处理，降低人力劳动的强度和繁琐程度，提高检测速度和准确率，降低漏检显现，节省生产成本。
在一些可选的实施方式中，所述利用数据采集组件对所述板材进行数据采集，以获取板材特征信息，包括：
利用对射光电开关获取所述板材的翘曲信息；和/或，
利用工业相机获取所述板材的图像信息；和/或，
利用激光位移传感器获取所述板材的厚度信息。
该技术方案的有益效果在于：对射光电开关、工业相机和激光位移传感器通过非接触式检测方式实现对板材特征信息的检测，该过程不会损伤受检测板材，亦不会因受检测板材的物理因素影响采集结果。
衡量板材的品质等级主要基于板材的翘曲信息(板材整体是否存在翘曲以及翘曲的程度)、图像信息(板材表面是否存在表面缺陷以及缺陷的数量)和厚度信息(板材的各部分厚度是否符合尺寸要求)进行判断，采集板材的翘曲信息、图像信息和厚度信息，综合判定受检板材的等级结果。
对射光电开关由发射器和接收器组成，基于光传播的线性关系通过发射器发出光线进入接收器，当受检板材出现弯曲时，经过对射光电开关的发射器和接收器之间会阻断光的传输路径，此时通过测量被阻挡的高度，结合位移传感器获得的板材位移信息，获得的板材的各点的厚度数据，通过软件算法和翘曲度的定义计算得到板材的翘曲信息；由对射光电开关获取板材翘曲信息的方式适用的检测距离范围大且不易受到介质干扰，响应速度快，稳定性强。
工业相机快门时间短，可以抓拍快速运动的物体，且其输出数据适合进行图像处理算法应用，同时非接触式图像采集方式不会对受检板材产生影响，由工业相机获取板材的图像信息满足工业检测需要，且具有较高的图像稳定性、高传输能力和高抗干扰能力，适应复杂的工业环境。
激光位移传感器可以精确地非接触测量受测板材的位置和位移等变化，结合板材的翘曲信息可以获取板材各点的厚度数据，得到板材的厚度信息。
在一些可选的实施方式中，所述利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息，包括：
利用数据分析组件存储的板材检测模型对所述板材特征信息进行板材检测，以获取所述板材检测信息。
该技术方案的有益效果在于：通过数据分析组件存储的板材检测模型对板材检测过程种获得的大量的板材特征信息进行检测，该方式不依赖于人的感知系统和主观判断，数据分析运算速度快且可以连续、不间断地进行工作，可以代替人工操作，准确、迅速地获取板材检测信息。
在一些可选的实施方式中，所述板材检测模型的训练过程包括：
获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个样本板材特征信息以及所述样本板材特征信息对应的板材检测信息的标注数据；
针对所述训练集中的每个训练数据，执行以下处理：
将所述训练数据中的样本板材特征信息输入预设的深度学习模型，得到所述样本板材特征信息对应的板材检测信息的预测数据；
基于所述样本板材特征信息对应的板材检测信息的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；
检测是否满足预设的训练结束条件；如果是，则将训练出的深度学习模型作为所述板材检测模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型。
该技术方案的有益效果在于：通过训练集训练板材检测模型可以基于大量的训练数据，不断提高板材检测模型对板材检测信息的预测数据的准确性，并且能够针对不同种类的板材检测内容进行多训练集的数据训练，适用范围广，预测的准确度和效率高，智能化程度高。
在一些可选的实施方式中，所述基于所述板材检测信息，获取板材等级结果，包括：
当所述板材检测信息满足预设的检测条件时，确定所述板材等级结果为合格；
当所述板材检测信息不满足预设的检测条件时，确定所述板材等级结果为不合格。
该技术方案的有益效果在于：基于预设的检测条件将，板材检测信息转化为板材等级合格或者不合格的结果输出，便于对板材的品质等级进行直接分类，其结果输出简洁明了。
第二方面，本申请提供了一种电子设备，所述电子设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述至少一个处理器执行所述计算机程序时实现以下步骤：
当待检测的板材到达预设来料位置时，利用数据采集组件对所述板材进行数据采集，以获取板材特征信息；
当所述板材到达预设出料位置时，利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息；
基于所述板材检测信息，获取板材等级结果。
在一些可选的实施方式中，所述至少一个处理器执行所述计算机程序时采用以下方式利用数据采集组件对所述板材进行数据采集，以获取板材特征信息：
利用对射光电开关获取所述板材的翘曲信息；和/或，
利用工业相机获取所述板材的图像信息；和/或，
利用激光位移传感器获取所述板材的厚度信息。
在一些可选的实施方式中，所述至少一个处理器执行所述计算机程序时采用以下方式利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息：
利用数据分析组件存储的板材检测模型对所述板材特征信息进行板材检测，以获取所述板材检测信息。
在一些可选的实施方式中，所述板材检测模型的训练过程包括：
获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个样本板材特征信息以及所述样本板材特征信息对应的板材检测信息的标注数据；
针对所述训练集中的每个训练数据，执行以下处理：
将所述训练数据中的样本板材特征信息输入预设的深度学习模型，得到所述样本板材特征信息对应的板材检测信息的预测数据；
基于所述样本板材特征信息对应的板材检测信息的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；
检测是否满足预设的训练结束条件；如果是，则将训练出的深度学习模型作为所述板材检测模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型。
在一些可选的实施方式中，所述至少一个处理器执行所述计算机程序时采用以下方式基于所述板材检测信息，获取板材等级结果：
当所述板材检测信息满足预设的检测条件时，确定所述板材等级结果为合格；
当所述板材检测信息不满足预设的检测条件时，确定所述板材等级结果为不合格。
第三方面，本申请提供了一种板材检测系统，所述系统包括：
上述电子设备；
检测部分，所述检测部分包括感应组件、数据采集组件和数据分析组件；所述感应组件用于获取待检测的板材的来料位置和出料位置，所述数据采集组件用于采集所述板材的板材特征信息，所述数据分析组件用于处理所述板材特征信息；
控制部分，所述控制部分包括工控机、输入组件和输出组件，所述输入组件包括键盘、触摸屏，所述输出组件包括显示器；
在一些可选的实施方式中，所述电子设备和所述工控机结合为一体。
在一些可选的实施方式中，所述系统还包括：
辅助功能部分，所述辅助功能部分包括补光组件、计数组件、报警组件，所述补光组件用于对所述板材的表面进行补光，所述计数组件用于统计已完成检测的板材的长度和/或数量，所述报警组件用于显示所述板材检测系统的运行状态；
上半部分，所述上半部分包括高度调节组件，所述高度调节组件用于依据待检测板材调节所述上半部分的高度；
中间部分，所述中间部分包括进料口、挡板组件，所述挡板组件用于依据待检测板材的尺寸调节所述进料口的高度和/或宽度；
下半部分，所述下半部分包括底座、脚座和/或脚轮，所述底座用于安装所述检测部分、控制部分、辅助功能部分、上半部分和中间部分。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤或者实现上述任一项电子设备的功能。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种板材检测方法的流程示意图；
图2是本申请实施例提供的一种板材检测电子设备的结构示意图；
图3是本申请实施例提供的一种板材检测系统的结构示意图；
图4是本申请实施例提供的一种板材检测系统的结构示意图；
图5是本申请实施例提供的一种板材检测系统的部分结构示意图；
图6示出了本申请实施例提供的一种程序产品的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
在本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，a和b，a和c，b和c，a和b和c，其中a、b和c可以是单个，也可以是多个。值得注意的是，“至少一项(个)”还可以解释成“一项(个)或多项(个)”。
还需说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施方式或设计方案不应被解释为比其他实施方式或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
木材生产中原木旋切或刨切成毛板(又称单板)后，存在尺寸缺陷、厚度缺陷和表面缺陷，表面缺陷包括翘曲、虫眼、孔洞、夹皮、散尾、树皮、腐朽、霉变、毛刺等缺陷。现有红外检测灯检测装置只能检测宽度较小的木皮卷的孔洞缺陷。若工件为单片面积较大的板材，通常采用人工肉眼示察法进行检测，这种方法检测效率低，容易导致眼睛疲劳而造成漏检。
机器视觉通过光学装置和传感器获取产品的表面图像等信息，利用图像处理算法提取图像的特征信息，然后根据特征信息对目标内容进行定位、识别、分类等判定与统计，同时将数据存储、输出、查询等相应的操作，以实现自动检测技术。机器视觉是实现设备自动化生产、智能化生产和带有精密控制的有效方式，具有安全可靠、应范广泛、工作换将要求低可在恶劣环境工作、可不间断连续工作、效率高等突出特点。
视觉检测系统是用工业相机代替人眼睛去完成识别、测量、定位等功能，视觉检测系统由相机、镜头、光源组合合成。工业相机是机器视觉系统中的一个关键组件，其最本质的功能就是将光信号转变成有序的电信号，传送给图像处理系统，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制设备动作。光源不充足时，机器视觉系统中需要补光，即补充光源，光源的意义是让物体的目标特征的前景和背景明显区分，以更明显的图像效果呈现出来，以被相机捕获图像。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助，其最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
光电开关又称光电传感器，是利用被检测物对光束的遮挡或反射，由同步回路选通电路，从而检测物体有无的，所有能反射光线的物体均可被检测。光电开关将输入电流在发射器上转换为光信号射出，接收器再根据接收到的光线强弱或有无对目标物体进行探测。其中，漫反射式光电开关、镜反射式光电开关是集发射器和接收器于一体的传感器；对射式光电开关包含了结构上相互分离且光轴相对放置的发射器和接收器，发射器发出的光线直接进入接收器，当被检测物体经过发射器和接收器之间且阻断光线时，光电开关就产生了开关信号，当检测物体为不透明时，对射式光电开关是最可靠的检测装置。用在平板包装线和切纸机上
激光位移传感器是利用激光技术进行测量的传感器，由激光器、激光检测器和测量电路组成。作为新型测量设备，激光位移传感器能够精确非接触测量被测物体的位置、位移等变化，还可测量位移、厚度、振动、距离、直径等精密的几何测量。
(方法实施例)
参见图1，图1示出了本申请实施例提供的一种板材检测方法的流程示意图；
本申请提供了板材检测方法，所述方法可以包括：
步骤S101：当待检测的板材到达预设来料位置时，利用数据采集组件对所述板材进行数据采集，以获取板材特征信息；
步骤S102：当所述板材到达预设出料位置时，利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息；
步骤S103：基于所述板材检测信息，获取板材等级结果。
由此，在待检测的板材到达预设来料位置时对板材进行数据采集，以保证采集得到待检测板材的完整的板材特征信息；当板材到达预设出料位置时处理采集得到的板材特征信息得到板材检测信息，以保证得到的板材检测信息与受检测板材唯一、正确对应；将板材检测信息转化为板材等级结果，便于对板材的品质等级进行直接分类；板材检测过程利用数据采集组件、数据分析组件对板材特征信息进行采集和处理，降低人力劳动的强度和繁琐程度，提高检测速度和准确率，降低漏检显现，节省生产成本。
本申请实施例对待检测的板材不作限定，可以包括不同规格(包括长度、宽度、厚度、形状、材质)的板材，例如木材单板、PVC板、家具板(包括实木板、竹板材、胶合板、细木工板、密度板、刨花板)、包装盒板等。
所述预设来料位置为，在待检测板材传送过程中，板材检测系统感应到待检测板材到达并启动数据采集组件的位置。板材检测系统可以通过光电传感器、位移传感器和/或视觉检测功能等感应待检测板材的位置。本申请实施例对所述预设来料位置不作限定，例如可以预设待检测板材的最前端到达板材检测系统的进料口的位置为预设来料位置，可以预设待检测板材的最前端到达板材检测系统的数据采集模块的正下方的位置为预设来料位置，可以预设待检测板材的最末端到达板材检测系统的进料口的位置为预设来料位置，可以预设待检测板材的中心到达板材检测系统的进料口的位置为预设来料位置。
所述板材特征信息可以通过数据采集组件采集待检测板材的厚度信息、翘曲信息、图像信息；通过图像信息可以进一步提取图像参数用于板材检测信息的数据处理，所述板图像参数可以包括以下至少一种：纹理信息、颜色信息、亮度信息、饱和度信息、对比度信息、曝光度信息、噪声信息、尺寸信息、角度信息。
所述预设出料位置，在待检测板材传送过程中，板材检测系统感应到待检测板材离开并启动数据分析组件的位置。板材检测系统可以通过光电传感器、位移传感器和/或视觉检测功能等感应待检测板材的位置。本申请实施例对所述预设出料位置不作限定，例如可以预设待检测板材的最末端到达板材检测系统的出料口的位置为预设出料位置，可以预设待检测板材的最末端到达板材检测系统的数据采集模块的正下方的位置为预设出料位置，可以预设待检测板材的最前端到达板材检测系统的出料口的位置为预设出料位置，可以预设待检测板材的中心到达板材检测系统的出料口的位置为预设出料位置。
所述数据分析组件内置有计算机软件，对获取的板材特征信息进行存储和数据处理以获得板材检测信息，板材检测信息的种类可以包括厚度缺陷、翘曲缺陷和/或表面缺陷；即所述通过对板材的厚度信息进行处理获取板材的厚度缺陷，通过对板材的翘曲信息进程处理获取板材的翘曲缺陷，通过对板材的图像信息及其包含的图像参数进行处理获得板材的表面缺陷。
所述板材检测信息还可以包括板材检测信息的种类对应的数量标注、位置标注和/或尺寸标注等；例如板材的厚度缺陷可以包括板材厚度的最大值、板材厚度的最小值和/或板材厚度差值以及板材是否存在厚度缺陷的结果；板材的翘曲缺陷可以包括板材是否存在翘曲及其翘曲程度；板材的表面缺陷可以包括板材是否存在表面缺陷以及表面缺陷的种类，例如虫眼缺陷、孔洞缺陷、夹皮缺陷、散尾缺陷、树皮缺陷、腐朽缺陷、霉变缺陷和/或毛刺缺陷。本申请实施例对板材检测方法输出的板材检测信息的句式不作限定，可以通过中文、字母、数字、符号等进行表示，例如可以是：待检测板材(编号)对应的图像信息中存在3个表面缺陷，厚度符合要求，不存在翘曲缺陷。
所述板材等级结果用于指示板材的品质等级，本申请实施例对所述品质等级不作限定，例如可以采用中文、字母、数字、符号、特殊符号中的一种或者多种来表示，例如可以使用“合格、不合格”、“优等品、良等品、合格品、次等品”、“优、良”、“上、中、下”、“Yes、No”或“PASS、FAIL”表示板材的品质等级。
在另一些可选的实施方式中，所述方法可以通过红外检测装置检测板材，例如板材的表面孔洞缺陷；或者通过肉眼示察法检测板材的表面缺陷。
在一些可选的实施方式中，所述利用数据采集组件对所述板材进行数据采集，以获取板材特征信息，包括：
利用所述对射光电开关获取所述板材的翘曲信息；和/或，
利用所述工业相机获取所述板材的图像信息；和/或，
利用所述激光位移传感器获取所述板材的厚度信息。
在另一些可选的实施方式中，仅通过人工敲打板材的四周的方式采集板材的翘曲信息。
在另一些可选的实施方式中，仅通过红外检测的方式采集板材的表面图像信息。
在另一些可选的实施方式中，仅通过人工测量的方式采集板材的厚度信息获得板材的厚度信息。
由此，对射光电开关、工业相机和激光位移传感器通过非接触式检测方式实现对板材特征信息的检测，该过程不会损伤受检测板材，亦不会因受检测板材的物理因素影响采集结果。
衡量板材的品质等级主要基于板材的翘曲信息(板材整体是否存在翘曲以及翘曲的程度)、图像信息(板材表面是否存在表面缺陷以及缺陷的数量)和厚度信息(板材的各部分厚度是否符合尺寸要求)进行判断，采集板材的翘曲信息、图像信息和厚度信息，综合判定受检板材的等级结果。
对射光电开关由发射器和接收器组成，基于光传播的线性关系通过发射器发出光线进入接收器，当受检板材出现弯曲时，经过对射光电开关的发射器和接收器之间会阻断光的传输路径，此时通过测量被阻挡的高度，结合位移传感器获得的板材位移信息，获得的板材的各点的厚度数据，通过软件算法和翘曲度的定义计算得到板材的翘曲信息；由对射光电开关获取板材翘曲信息的方式适用的检测距离范围大且不易受到介质干扰，响应速度快，稳定性强。
工业相机快门时间短，可以抓拍快速运动的物体，且其输出数据适合进行图像处理算法应用，同时非接触式图像采集方式不会对受检板材产生影响，由工业相机获取板材的图像信息满足工业检测需要，且具有较高的图像稳定性、高传输能力和高抗干扰能力，适应复杂的工业环境。
激光位移传感器可以精确地非接触测量受测板材的位置和位移等变化，结合板材的翘曲信息可以获取板材各点的厚度数据，得到板材的厚度信息。
在一些可选的实施方式中，所述利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息，包括：
利用数据分析组件存储的板材检测模型对所述板材特征信息进行板材检测，以获取所述板材检测信息。
由此，通过数据分析组件存储的板材检测模型对板材检测过程种获得的大量的板材特征信息进行检测，该方式不依赖于人的感知系统和主观判断，数据分析运算速度快且可以连续、不间断地进行工作，可以代替人工操作，准确、迅速地获取板材检测信息。
在一些可选的实施方式中，所述板材检测模型的训练过程包括：
获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个样本板材特征信息以及所述样本板材特征信息对应的板材检测信息的标注数据；
针对所述训练集中的每个训练数据，执行以下处理：
将所述训练数据中的样本板材特征信息输入预设的深度学习模型，得到所述样本板材特征信息对应的板材检测信息的预测数据；
基于所述样本板材特征信息对应的板材检测信息的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；
检测是否满足预设的训练结束条件；如果是，则将训练出的深度学习模型作为所述板材检测模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型。
由此，通过训练集训练板材检测模型可以基于大量的训练数据，不断提高板材检测模型对板材检测信息的预测数据的准确性，并且能够针对不同种类的板材检测内容进行多训练集的数据训练，适用范围广，预测的准确度和效率高，智能化程度高。
在一个具体应用场景中，通过板材检测系统的数据采集组件采集得到样本板材图像信息作为一个训练集的训练数据，并对其进行人工标注，即将样本板材图像信息中的板材表面的虫眼缺陷、孔洞缺陷、夹皮缺陷、散尾缺陷、树皮缺陷、腐朽缺陷、霉变缺陷和毛刺缺陷均做出标注，制作得到训练集后，利用训练集训练预设的深度学习模型以得到板材检测模型。在对待测板材进行检测时，利用板材检测系统的数据采集组件采集得到多张待检测板材的图像信息，将这些待测板材的图像信息分别输入板材检测模型，得到每张待测板材的图像信息对应的板材检测信息，例如板材A01对应的图像信息中存在一个虫眼缺陷、一个霉变缺陷；板材A01对应的图像信息中存在一个孔洞信息；板材A02对应的图像信息中不存在表面缺陷。
在一些可选的实施方式中，所述基于所述板材检测信息，获取板材等级结果，包括：
当所述板材检测信息满足预设的检测条件时，确定所述板材等级结果为合格；
当所述板材检测信息不满足预设的检测条件时，确定所述板材等级结果为不合格。
由此，基于预设的检测条件将，板材检测信息转化为板材等级合格或者不合格的结果输出，便于对板材的品质等级进行直接分类，其结果输出简洁明了。
(设备实施例)
本申请实施例提供了一种电子设备，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
本申请提供了一种电子设备，所述电子设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述至少一个处理器执行所述计算机程序时实现以下步骤：
当待检测的板材到达预设来料位置时，利用数据采集组件对所述板材进行数据采集，以获取板材特征信息；
当所述板材到达预设出料位置时，利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息；
基于所述板材检测信息，获取板材等级结果。
在一些可选的实施方式中，所述至少一个处理器执行所述计算机程序时采用以下方式利用数据采集组件对所述板材进行数据采集，以获取板材特征信息：
利用对射光电开关获取所述板材的翘曲信息；和/或，
利用工业相机获取所述板材的图像信息；和/或，
利用激光位移传感器获取所述板材的厚度信息。
在一些可选的实施方式中，所述至少一个处理器执行所述计算机程序时采用以下方式利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息：
利用数据分析组件存储的板材检测模型对所述板材特征信息进行板材检测，以获取所述板材检测信息。
在一些可选的实施方式中，所述板材检测模型的训练过程包括：
获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个样本板材特征信息以及所述样本板材特征信息对应的板材检测信息的标注数据；
针对所述训练集中的每个训练数据，执行以下处理：
将所述训练数据中的样本板材特征信息输入预设的深度学习模型，得到所述样本板材特征信息对应的板材检测信息的预测数据；
基于所述样本板材特征信息对应的板材检测信息的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；
检测是否满足预设的训练结束条件；如果是，则将训练出的深度学习模型作为所述板材检测模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型。
在一些可选的实施方式中，所述至少一个处理器执行所述计算机程序时采用以下方式基于所述板材检测信息，获取板材等级结果：
当所述板材检测信息满足预设的检测条件时，确定所述板材等级结果为合格；
当所述板材检测信息不满足预设的检测条件时，确定所述板材等级结果为不合格。
参见图2，图2示出了本申请实施例提供的一种电子设备的结构框图。
电子设备10例如可以包括至少一个存储器11、至少一个处理器12以及连接不同平台系统的总线13。
存储器11可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)111和/或高速缓存存储器112，还可以进一步包括只读存储器(ROM)113。
其中，存储器11还存储有计算机程序，计算机程序可以被处理器12执行，使得处理器12实现上述任一项方法的步骤。
存储器11还可以包括具有至少一个程序模块115的实用工具114，这样的程序模块115包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器12可以执行上述计算机程序，以及可以执行实用工具114。
处理器12可以采用一个或多个应用专用集成电路(ASIC，Application Spe cificIntegrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)或其他电子元件。
总线13可以为表示几类总线结构的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构的任意总线结构的局域总线。
电子设备10也可以与一个或多个外部设备例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备10交互的设备通信，和/或与使得该电子设备10能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口14进行。并且，电子设备10还可以通过网络适配器15与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器15可以通过总线13与电子设备10的其它模块通信。应当明白，尽管图中未示出，但在实际应用中可以结合电子设备10使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
(系统实施例)
参见图3、图4和图5，图3示出了本申请实施例提供的一种板材检测系统的结构示意图；图4示出了本申请实施例提供的一种板材检测系统的结构示意图；图5示出了本申请实施例提供的一种板材检测系统的部分结构示意图。
本申请提供了一种板材检测系统，所述系统包括：
上述电子设备；
检测部分5，所述检测部分5包括感应组件101、数据采集组件102和数据分析组件103；所述感应组件101用于获取待检测的板材的来料位置和出料位置，所述数据采集组件102用于采集所述板材的板材特征信息，所述数据分析组件103用于处理所述板材特征信息；
控制部分4，所述控制部分4包括工控机、输入组件104输出组件105所述输入组件104包括键盘、触摸屏，所述输出组件105包括显示器；
在一些可选的实施方式中，所述电子设备和所述工控机结合为一体。
在一些可选的实施方式中，所述感应组件101可以包括光电开关、红外传感器和/或激光位移传感器；所述数据采集组件102可以包括对射光电开关、工业相机和/或激光位移传感器；所述数据分析组件103内置有计算机软件。
在一些可选的实施方式中，所述输入组件104可以包括薄膜键盘、触控一体机。
在一些可选的实施方式中，所述系统还包括：
辅助功能部分6，所述辅助功能部分6包括补光组件、计数组件、报警组件，所述补光组件用于对所述板材的表面进行补光，所述计数组件用于统计已完成检测的板材的长度和/或数量，所述报警组件用于显示所述板材检测系统的运行状态；
上半部分1，所述上半部分1包括高度调节组件，所述高度调节组件用于依据待检测板材调节所述上半部分1的高度；
中间部分2，所述中间部分2包括进料口、挡板组件，所述挡板组件用于依据待检测板材的尺寸调节所述进料口的高度和/或宽度；
下半部分3，所述下半部分3包括底座、脚座和/或脚轮，所述底座用于安装所述检测部分5、控制部分4、辅助功能部分6、上半部分1和中间部分2。
在一些可选的实施方式中，所述补光组件可以包括环形光源、条形光源、碗形光源、同轴光源，例如可以是LED条形光源，条形光源可自由调节照射方向和照射角度。
在一些可选的实施方式中，所述计数组件可以通过光电传感器记录已完成检测的板材的数量，也可以通过激光位移传感器记录已完成检测的板材的长度。
在一些可选的实施方式中，所述报警组件可以包括视觉报警装置，例如报警灯、LED灯、显示器等，也可以包括听觉报警装置，例如蜂鸣器、扬声器、音响等。
在一些可选的实施方式中，所述高度调节组件可以包括可拆卸壳体，可拆卸壳体可以根据生产需要调整上半部分1的整体高度，也可以方便对板材检测系统进行维护、检修等作业。
在一些可选的实施方式中，所述挡板组件可以包括可调挡板，可调挡板可以根据流水线的高度和检测工件的厚度调节进料口的大小和高度。
在一些可选的实施方式中，所述脚座可以是可调固定脚杯；所述脚轮可以是福马轮。
在一个具体的板材检测系统实施例中，板材检测系统可以由上半部分1、中间部分2、下半部分3、控制部分4、检测部分5和辅助功能部分6组成，待检测板材经过外部的输送装置进入中间部分2的进料口，经检测部分5采集信息后，受检测板材经出料口排出。
上半部分1可以设置内部框架、固定壳体、可拆卸壳体、观察视窗；板材检测系统运行时可以通过观察视窗检查其运行状况；上半部分1整体可以根据生产需要对可拆卸壳体进行高度调节，升高后可以用来检测更高更厚的工件。
中间部分2可以设置两侧的可调挡板、后侧的伸缩盖板和框架连接板；可调挡板可以根据流水线的高度和检测工件的厚度调节进料口的大小和高度；后侧的伸缩盖板可以拆解抽离，更方便安装流水线等传动装置；伸缩盖板可以根据上半部分1的升高高度进行拉长。
下半部分3可以设置底座、内部框架、壳体和通风孔、立柱、可调固定脚杯、福马轮；底座和立柱内部有碳钢型材保证结构强度，用来搭载和安装其余部分；底部福马轮用于人工移动；底座下面有举升支撑点可用于叉车移动。
检测部分5可以设置框架、光电开关、对射光电开关、工业相机、LED条形光源、激光位移传感器；光电开关并排安装在检测部分5入口处，用于感应待检测板材的来料位置并控制工业相机的开启拍摄；光电开关并排安装在检测部分5出口处，用于感应受检测板材的排出情况；对射光电开关用于对受检测板材进行翘曲监测；工业相机对板材的正面和反面的表面瑕疵进行检测；LED条形光源安装在框架上，对板材上面和下面进行补光；激光位移传感器安装在上半部分1和下半部分3的框架上，对板材厚度进行检测。
控制部分4可以设置内部的工控机、报警灯(即报警组件)、触控一体机(输入组件)、薄膜键盘、紧急停止按钮、一键启动按钮等硬件；通过薄膜键盘或者触控一体机都能对板材检测系统进行操作和处理；通过一键启动按钮可以实现板材检测系统的一键启动；报警灯可表示板材检测系统的状态，例如板材检测系统运行异常时报警灯闪烁；控制部分4的电子设备内置有计算机软件，通过计算机软件对收集到的板材检测信息进行运算分析，判定等级并输出板材等级结果。
本申请提供的板材检测系统实施例基于模块化设计，便于组装调试，可以在不改造生产线的情况下可快速部署；系统操作简便，触控和键盘两种方式均可控制，安全可靠；系统检测速度快，检测效率可以达到30张/min；检测翘曲瑕疵的精度可以为1mm，厚度检测精度可以为0.1mm。
(介质实施例)
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤或者实现上述任一项设备的功能，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
参见图6，图6示出了本申请实施例提供的一种程序产品的结构示意图。
所述程序产品用于实现上述任一项方法。程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本申请实施例中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，已符合专利法所强调的功能增进及使用要件，本申请以上的说明书及说明书附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种板材检测方法，其特征在于，所述方法包括：
当待检测的板材到达预设来料位置时，利用数据采集组件对所述板材进行数据采集，以获取板材特征信息；
当所述板材到达预设出料位置时，利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息；
基于所述板材检测信息，获取板材等级结果。
2.根据权利要求1所述的板材检测方法，其特征在于，所述利用数据采集组件对所述板材进行数据采集，以获取板材特征信息，包括：
利用对射光电开关获取所述板材的翘曲信息；和/或，
利用工业相机获取所述板材的图像信息；和/或，
利用激光位移传感器获取所述板材的厚度信息。
3.根据权利要求1所述的板材检测方法，其特征在于，所述利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息，包括：
利用数据分析组件存储的板材检测模型对所述板材特征信息进行板材检测，以获取所述板材检测信息。
4.根据权利要求3所述的板材检测方法，其特征在于，所述板材检测模型的训练过程包括：
获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个样本板材特征信息以及所述样本板材特征信息对应的板材检测信息的标注数据；
针对所述训练集中的每个训练数据，执行以下处理：
将所述训练数据中的样本板材特征信息输入预设的深度学习模型，得到所述样本板材特征信息对应的板材检测信息的预测数据；
基于所述样本板材特征信息对应的板材检测信息的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；
检测是否满足预设的训练结束条件；如果是，则将训练出的深度学习模型作为所述板材检测模型；如果否，则利用下一个所述训练数据继续训练所述深度学习模型。
5.根据权利要求1所述的板材检测方法，其特征在于，所述基于所述板材检测信息，获取板材等级结果，包括：
当所述板材检测信息满足预设的检测条件时，确定所述板材等级结果为合格；
当所述板材检测信息不满足预设的检测条件时，确定所述板材等级结果为不合格。
6.一种电子设备，其特征在于，所述电子设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述至少一个处理器执行所述计算机程序时实现以下步骤：
当待检测的板材到达预设来料位置时，利用数据采集组件对所述板材进行数据采集，以获取板材特征信息；
当所述板材到达预设出料位置时，利用数据分析组件对所述板材特征信息进行处理，以获取板材检测信息；
基于所述板材检测信息，获取板材等级结果。
7.一种板材检测系统，其特征在于，所述系统包括：
权利要求6所述的电子设备；
检测部分，所述检测部分包括感应组件、数据采集组件和数据分析组件；所述感应组件用于获取待检测的板材的来料位置和出料位置，所述数据采集组件用于采集所述板材的板材特征信息，所述数据分析组件用于处理所述板材特征信息；
控制部分，所述控制部分包括工控机、输入组件和输出组件，所述输入组件包括键盘、触摸屏，所述输出组件包括显示器。
8.根据权利要求7所述的板材检测系统，其特征在于，所述电子设备和所述工控机结合为一体。
9.根据权利要求7或8所述的板材检测系统，其特征在于，所述系统还包括：
辅助功能部分，所述辅助功能部分包括补光组件、计数组件、报警组件，所述补光组件用于对所述板材的表面进行补光，所述计数组件用于统计已完成检测的板材的长度和/或数量，所述报警组件用于显示所述板材检测系统的运行状态；
上半部分，所述上半部分包括高度调节组件，所述高度调节组件用于依据待检测板材调节所述上半部分的高度；
中间部分，所述中间部分包括进料口、挡板组件，所述挡板组件用于依据待检测板材的尺寸调节所述进料口的高度和/或宽度；
下半部分，所述下半部分包括底座、脚座和/或脚轮，所述底座用于安装所述检测部分、控制部分、辅助功能部分、上半部分和中间部分。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310587398.2A CN116840253A (zh) | 2023-05-22 | 2023-05-22 | 板材检测方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310587398.2A CN116840253A (zh) | 2023-05-22 | 2023-05-22 | 板材检测方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116840253A true CN116840253A (zh) | 2023-10-03 |
Family
ID=88169564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310587398.2A Pending CN116840253A (zh) | 2023-05-22 | 2023-05-22 | 板材检测方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116840253A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117848221A (zh) * | 2024-03-04 | 2024-04-09 | 南通进宝机械制造有限公司 | 一种钢件长度测量系统 |
-
2023
- 2023-05-22 CN CN202310587398.2A patent/CN116840253A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117848221A (zh) * | 2024-03-04 | 2024-04-09 | 南通进宝机械制造有限公司 | 一种钢件长度测量系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116840253A (zh) | 板材检测方法及相关装置 | |
| CN1515895B (zh) | 监控条带材料边缘的装置 | |
| US8538080B2 (en) | Flame identification method and device using image analyses in HSI color space | |
| CN101021478A (zh) | 一种水果品质的激光诱导荧光高光谱图像检测方法和装置 | |
| EP3709000A1 (en) | Processing system | |
| JP2016166813A (ja) | シート検査装置 | |
| CA2640639A1 (en) | Device and method for optical measurement of grains from cereals and like crops | |
| JP2007256119A (ja) | 検査装置、積層装置、及び検査方法 | |
| TW201319876A (zh) | 光學滑鼠及其運作方法 | |
| KR20150134095A (ko) | 다차원 화재감지시스템 | |
| CN206540843U (zh) | 一种手机壳自动检测设备 | |
| CN208795192U (zh) | 同心度检测系统 | |
| CN109451721B (zh) | 贴片检测设备和方法 | |
| US8553969B1 (en) | Systems and methods for counting and processing pliable objects | |
| CN212093316U (zh) | 一种基于kinect相机的木材缺陷检测装置 | |
| EP3408658B1 (en) | Cased goods inspection system and method | |
| JP7455611B2 (ja) | 処理システム | |
| CN112881403A (zh) | 一种热轧带钢表面缺陷检测装置 | |
| CN206684071U (zh) | 一种快速大面积透明基片双表面缺陷视觉检测装置 | |
| CN111060018B (zh) | 样本形态监测装置及方法 | |
| US20190228205A1 (en) | Skinprint analysis method and apparatus | |
| CN211905160U (zh) | 一种扫描成像机器视觉判图的线阵列高速安检机 | |
| CN115561180A (zh) | 基于红外多光谱和可见光的生鲜商品新鲜度检测设备 | |
| CN110426392A (zh) | 一种基于图片解析技术的油桶流水码识别装置及其使用方法 | |
| CN211346714U (zh) | 一种模切件质量检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |